??全全国大学生智能汽车竞赛是以智能汽车为研究对象的创意技术竞赛，是全国大学生的探索性工程实践活动，是教育部倡导的大学生技术竞赛之一。竞赛以基于培训、注重参与、鼓励探索、追求卓越为指导思想，旨在促进高校质量教育，培养综合知识应用能力、基本工程实践能力和创新意识，激发大学生从事科学研究和探索的兴趣和潜力，倡导理论联系实际、务实的学习风格和团队合作人文精神，为优秀人才的脱颖而出创造条件。

??比赛以比赛为基本的比赛形式，辅以创意比赛和技术计划比赛等形式。比赛以统一标准的硬软件为技术平台，制作模型车，可以独立识别道路，按照规定的路线行驶，并符合预先公布的其他规则，以完成时间最短的为胜利。创意竞赛是在统一有限的基础平台上，充分发挥团队想象力，以创意任务为目标，完成开发作品；竞赛评价由专家组和观众进行综合评价。技术计划竞赛以学术为基础，通过现场计划交流、专家质疑评价、现场参与者和专家投票，选择参与者的优秀技术计划。其目标是提高参与者的创新能力，鼓励参与者相互学习和交流。

??比赛过程包括理论设计、实际生产、车辆调试、现场比赛等环节，要求学生组成团队，协调工作，初步体验从设计到实现的工程研发项目的全过程。比赛融合了科学、兴趣和装饰，是一场以快速发展、广阔的汽车电子为背景，涵盖自动控制、模式识别、传感技术、电子、电气、计算机、机械、汽车等学科的创意竞赛。本次比赛规则透明，评价标准客观，坚持开放、公平、公正的原则，确保比赛朝着健康、普及、可持续的方向发展。

??全国大学生智能汽车竞赛组织运营模式贯彻政府倡导、专家主办、学生主体、社会参与 16 政策，充分调动各方面参与的积极性。

??由于模具运动速度高，惯性大，电池固定必须牢固，防止电池在运动过程中运动，影响参数校正.而且由于比赛时间紧，电池更换方便.车模采用专用打印件将电池固定在车模上X轴中心.

??舵机质量尽可能小，有利于调整车模重心.舵机的可控角度应为180度以上，以使摄像头角度在运行过程中转动180度.舵机的虚拟位置尽可能小，可以减少相机的抖动头识别造成的影响.摄像头转角速度也要尽量快.最终我们选用了FT2331M这款舵机.可控角度为240度,体积小,重量20g,转角速度0.09s/60°(6v).

  对于多舵机的安装,重点是做好定位孔,要使得舵机齿的位置处于车模中心.基于载板上预定打好的孔,用强度稍高的铝管可以达到很好的固定效果,纸垫片可以有效保护载板版面,也可以对载板和铝管进行绝缘.

  使用打印件连接舵盘和碳杆

  车模采用tf-mini PLUS激光雷达传感器,用于配合处理坡道元素,分辨率为cm,串口通讯.但可惜受制于处理器,最终未能使用.利用车模上定位孔将其固定在摄像头正下方,调整角度不被电磁前瞻遮挡.

  为了保证车体前后对称,且不占用舵机安装空间,将陀螺仪用锡焊固定在主板上,舵机的正下方.X轴Y轴方向与程序有紧密联系.这里选取X轴正向正对车模前方.

  本届为了使H车在pvc材质赛道上跑得更稳,没有使用往届的买麦克纳姆轮,而是采用了16届新版的”钻石轮”,提升车体防抖性能;小辊子上胶皮易与其发生相对滑动,胶皮的两侧也容易与轮毂边沿卡住导致横向前进无法稳定,选用厚度为9448A双面胶将胶皮粘在小辊子上.

  本车模PCB板为矩形,长100mm,宽80mm.板子上打有舵机安装定位孔,陀螺仪安装定位孔.为了保证陀螺仪确实在车体正中心,同时不影响走线,使用了与车模定位孔相匹配的打印件.主板与打印件之间使用热熔胶连接.打印机件与车模底板间使用21.0mm的高强度铝管连接.

  对于电机驱动板,由于不安装传感器,使用45mm尼龙柱*2即可固定,底部为防止对车底盘变形造型影响,使用热熔胶.

  H车模依靠四个电机差速实现姿态矫正,重心不当容易造成控制逻辑混乱;重心靠上容易使车模跳轮.最终将重达220g的电池以及30g重的主板放置在车模中心位置,且电池紧贴车模底盘,主板与电池间距为3.0mm,选取舵机时特别选取了重量仅为20g的FT2331M舵机,保证了除麦轮外的重量集中在车体中心靠下.

  在正常的机械结构下，如果漂移甩尾，或是速度不高且提不上速度，不要迷信轮胎处理或是结构微调这些，这时候影响到你的大概率是程序和算法。轮胎处理和结构微调只会在高速时有些许的改善，陷入天天有问题就想调机械也是我们最开始做的问题。

  轮胎处理

• 其实我们认为最重要的是，把辊子上的胶套用3M薄双面胶粘死在了轮子中间。未作处理的话横向跑车的时候胶套会偏向轮毂一侧，影响辊子正常转动。虽然但是，闭环了确实会在一定程度上不会出现太大的问题。

• 我们也尝试了用软化剂涂抹胶套，具体的方法就是用刷子把每个辊子上的胶套都刷上软化剂，再用保鲜膜包起来密封八小时左右，一半就是偶尔在晚上调完车后处理第二天早上再拆封这样。如果不嫌拆装麻烦可以拆掉所有辊子上的胶套并浸泡在软化剂里，或是有充足资金买软化剂就直接把麦轮拿去泡。软化剂我们使用的是逐飞店铺的黄色小瓶，呆萌侠的也尝试过。不过因为胶套太薄面积太小，处理完之后没有明显的手感变化，上车测试也是一样。

  呆萌侠的厚胶套我们买过，感觉就是把长橡胶管截成一个个小段，并且是上下等宽等粗，感觉很不靠谱的样子。并且后面卓大公众号评论下面回复这种胶套厚度可能超标，为了安全起见我们就放弃用了，那个其实连装车都嫌累没装过

• 打磨轮胎的话，可以用砂轮机打磨，也可以找个粗螺丝放到胶套里固定，再卡到台式钻台上，手拿着砂纸在旁边磨。硅橡胶是为了防止打磨将轮胎磨破，可使用南大硅橡胶进行补胎，硅橡胶更软但摩擦力不如原胎。但是这么多辊子磨完会是个巨大的工程，看着就很累最终也没做处理。另外原装胶套本身就很薄，稍不留神就容易磨破。我们尝试处理了一个手感上也没有明显变化。其实跑到了最后胶套已经被自然磨损了一层，边缘甚至还会破损。破损只要不是特别严重我们也就没修，严重的就直接换掉了。

• 我们发现辊子和轮毂连接处在跑了很长一段时间后会出现黑色的东西，有些粘性但也不少油状的，猜测可能是胶套的碎屑卡在了慢慢积累到一起。这个黑色的东西会让辊子自转稍微受阻。这是我们在拆轮时才发现的，不拆轮单从外面看没有发现，拆之前并未察觉到异样，拆后也只有仔细观察才能发现提升之处。

  其他

• 卸下来车模前挡板，因为挡板会卡路肩，并且要撞也是先撞掉放在前面的电磁感.
• 轮胎以及赛道的干净很重要。建议擦轮胎使用微湿的抹布，擦赛道使用较干的抹布进行，擦拭完毕等二者都干掉再发车。也有推荐购买WD-40除锈剂来清洁轮胎。如果隔夜代码跑不了，请先不要怀疑自己，擦一遍赛道和轮子会有意外收获的。

  选择的传感器如下:

  电源部分设计本着稳定,低成本,简单的原则,共设计五个电源部分:

• 作用 电源 使用芯片
• 舵机驱动 6V TPS5430
• 摄像头驱动 3V3_CAM LD29150-33
• 运放驱动 3V3_OP LD29150-33
• 测距驱动 5V LD29150-50
• 其他外设 3V3_1 LD29150-33

  为避免摄像头和电磁电源互相影响,特地使用两个电源进行供电,在设计中后考虑到陀螺仪使用较为频繁,应将陀螺仪也单独进行供电.可能这也是赛中,陀螺仪掉线车模于三岔口偶尔无法收到数据的原因.因此建议所有传感器单独供电.   对于舵机电源,除负责给舵机供电外,还需要利用它的输出作为其他电源芯片的输入. TPS5430经典电路如下:

  其中所有3V3电源皆使用LD29150-50对6V电源进行转压,实测该芯片稳压误差小于1%.5V电源用于测距模块使用.在转出时应使用0欧磁珠进行电源分割.

  为方便观察摄像头获取信息是否正确,设定了SPI通讯的屏幕接口:

  蜂鸣器可以方便地判断元素是否识别到:

  为方便设定速度档位,设定了按键,单核处理器没有多余的IO口,因此五轴按键只用了三个引脚:

  共用到了三种通讯接口,分别是串口,SPI,I\O.如下表所示.

• 接口种类 使用外设
• SPI 陀螺仪,编码器(角度传感器),屏幕
• UART 摄像头,测距,无线串口
• I\O 电机驱动方向信号,按键,蜂鸣器,舵机

  电机驱动板由两个全桥电路构成,每个全桥电路由4个N-MOS组成.为节约PWM资源,采用Drv8701e芯片,一路IO,一路PWM驱动信号层:

  电机和单片机之间用SN74HC125PWR芯片进行隔离:

  驱动芯片和隔离芯片用LD29150-50和LD29150-33电路进行供电,为了节约成本及购买便捷性,采用LD29150同一封装的不同规格进行电源传递:

  单片机提供过控制输出PWM占空比实现电机调速,通过改变与驱动板的IO接口高低电平,控制DRV8701e的使能端和输入端信号,进而控制电机正反转和停止.车模使用电机为RS-380电机,堵转以及正反转过渡过程中电机电流较大,最大堵转电流约为20A.因此,设计驱动板时对过电流较大导线进行覆铜处理,MOS管使用TPH1R403NL,足够承受10V以下电压和大电流.

  我们使用的单片机存在较多限制，为了使得能提高处理速度，减少单片机负荷，压缩代码量，我们最终决定使用硬件二值化的摄像头和130°无畸变镜头来采集图像，得到原始图像。

• 原始信息

  使用硬件二值化摄像头解压缩后得到一幅只有黑和白的图像，实质上是60*80的一个二维数组。

• 二次信息提取

  在获取到原始图像的基础上，根据赛道特点，根据赛道边线是黑白分界线的特征来提取边线。

  在扫线上，传统的获取方法是在底部往上扫线，根据上一行中点来确定本次中点起始位置的算法存在遍历点次数过多，速度过慢的缺点。因此我们使用八邻域边缘提取算法，分别对左边线和右边线进行边缘提取，八邻域扫线特性和赛道特性契合，处理速度较快，同时利用八邻域扫线过程中，相邻两个像素点位置，可以大致得出赛道趋势，可以在后续判断中使用。获取的赛道具有几个特点：每一行直接具有连续性，每帧图像和上一帧图像边线形态上具有一定的关联性。可以根据实际摄像头角度和光照情况，根据本次图像上边线特点和像素点信息，对光照对原始图像是否严重进行验证，如果不满足条件就不处理本帧图像，采取下一帧图像进行处理。

  我们通过扫线得到了左右边线在一帧图像上的位置，通过对同一行所在列数进行相减，可以得到每一行的赛道宽度。在扫线完成后，根据赛道边线形态和八邻域得出的赛道趋势可以确定赛道上一个很重要的信息，该帧图像近处拐点是否存在和拐点所在坐标。至此，每帧赛道基础信息获取完毕

• 二次信息的利用

  特殊元素判断 :

  本届智能车赛道需要处理的元素有：斑马线，十字路口，三叉，环岛，坡道。   摄像头获取的图像和车身相对于元素的位置有较大关系。

  其中斑马线较为好判断，在左右两边线间存在大量黑白跳变点。

  坡道使用摄像头结合激光测距模块进行测量。

  三叉识别通过拐点和赛道趋势进行判断，它的特征比较明显，同时找到下方两个拐点，赛道趋势满足特定趋势，赛道宽度逐渐变   宽即可识别。

  环岛使用摄像头和电磁的综合判断，根据场地上电磁线铺设情况，环岛处电磁值是是整个赛场上最大的，使用横向于车体的电感识别。之后用摄像头进行左右环岛识别和特殊补线处理。通过赛道信息更改赛道边线，从而更改摄像头规划出的路径。

• 十字，三叉特殊处理

  全向组比赛要求需要在三叉中心旋转，需要识别到以后直行到三叉中心点，而直行过程中如果正常循迹路径规划会出现三叉走向一侧的问题。

  因为十字和三叉近处特征相似，因此可以使用同一种补线思路来对边线进行重新设定使得路径保持直行。减少了代码量，增强了复用性

  重新设定的思路很多，我们最终选取使用根据近处两侧拐点下边线情况来进行重新设定。重新设定分为左侧单边设定和右侧单边设定两种并列情况，可以适应直入十字，斜入十字，直入三叉，斜入三叉四种情况。

• 中线拟合

  我们选用赛道左右两侧边界来拟合虚拟中线，对单边丢线情况进行特殊处理，算特定行数的虚拟中线和屏幕中线的误差作为转向环输入。

  • 比例、积分、微分控制，简称PID控制，又称PID调节。PID控制的基本方法是根据系统输入与预定输出的偏差的大小运用比例、积分、微分计算出一个控制量，将这个控制量输入系统，获得输出量，通过反馈回路再次检测该输出量的偏差，循环上述过程，以使输出达到预定值。 PID控制器问世至今已有近 70年历史，其有着结构简单、稳定性好、工作可靠、调整方便等优点。   当被控对象的结构和参数不能完全掌握，或得不到精确的数学模型时，控制理论的其它技术难以采用时，系统控制器的结构和参数必须依靠经验和现场调试来确定，这时应用PID控制技术最为方便。即当我们不完全了解一个系统和被控对象，或不能通过有效的测量手段来获得系统参数时，也适合用PID控制技术。

  • 连续型PID的公式：   即对err(t)分别进行比例，积分，微分运算之后进行加权求和得到输出U(t)。   • 由于单片机控制是采样控制，只能根据采样时刻的偏差控制输出量而不能计算连续输出量，所以要采用离散化的 PID算法。离散数字 PID分为位置式和增量式两种。

  而增量式PID算法对应可由位置式推出：

  具体的代码实现为：

float Realize_PID(PIDTypeDef_t *pid, float get, float set) {
     pid->Now_Val = get;pid->Ex_Val = set;pid->Err_Now = pid->Ex_Val - pid->Now_Val;   pid->Output_p = pid->Kp * pid->Err_Now;   pid->Output_i += pid->Ki * pid->Err_Now;   pid->Output_d = pid->Kd * (pid->Err_Now - pid->Err_Last);   pid->Output = pid->Output_p + pid->Output_i + pid->Output_d;   pid->Err_Last = pid->Err_Now;      return pid->Output;}float Incremental_PID(PIDTypeDef_t *pid, float get, float set) {
     pid->Now_Val = get;pid->Ex_Val = set;pid->Err_Now = pid->Ex_Val - pid->Now_Val;   pid->Output_p = pid->Kp * (pid->Err_Now - pid->Err_Last);   pid->Output_i = pid->Ki * pid->Err_Now;   pid->Output_d = pid->Kd * (pid->Err_Now - 2.000f * pid->Err_Last + pid->Err_LastLast);   pid->Output += pid->Output_p + pid->Output_i + pid->Output_d;   pid->Err_Last = pid->Err_Now;   pid->Err_LastLast = pid->Err_Last;      return pid->Output;}

  • 公式中没有体现周期T，其实考虑到周期是一个常数，就直接合在了系数中。采样周期和控制周期都会影响系数。